CHRONIQUE : Quand un robot vous juge en entretien d’embauche — bienvenue dans le futur

L’efficacité comme argument massue

Les promoteurs de l’IA dans le recrutement avancent des arguments qui, sur le papier, semblent solides. Le premier est celui de l’efficacité. Dans les grandes entreprises qui reçoivent des milliers de candidatures pour chaque poste ouvert, il est humainement impossible d’accorder à chaque dossier l’attention qu’il mérite. Les recruteurs humains passent en moyenne six à sept secondes sur un CV avant de décider de le rejeter ou de le conserver. Six secondes. Dans ce contexte, prétendre que le processus traditionnel est intrinsèquement plus juste que l’automatisation relève d’une certaine naïveté. L’IA, selon ses défenseurs, permettrait de standardiser le processus, d’évaluer chaque candidat selon les mêmes critères, au même moment, dans les mêmes conditions.

Le deuxième argument est celui de la réduction des biais inconscients. Les recherches en psychologie sociale ont abondamment documenté le fait que les recruteurs humains favorisent inconsciemment les candidats qui leur ressemblent — même origine, même accent, même école, même quartier. L’IA, selon ses promoteurs, serait aveugle à ces facteurs parasites et ne jugerait que sur les compétences réelles. C’est un argument séduisant. Et comme tous les arguments séduisants, il mérite d’être soumis à un examen critique rigoureux — ce que ses promoteurs s’abstiennent soigneusement de faire dans leurs présentations commerciales.

La promesse de la méritocratie algorithmique

Il y a quelque chose d’utopique dans la vision que vendent ces entreprises. Un monde du recrutement où votre code postal ne compte plus, où votre nom de famille à consonance étrangère ne vous pénalise plus, où votre genre, votre apparence physique, votre âge disparaissent derrière une évaluation purement objective de vos aptitudes. Un monde où la méritocratie pure serait enfin possible parce qu’une machine impartiale l’aurait rendue possible. C’est beau. C’est inspirant. Et c’est, dans une large mesure, un mythe soigneusement entretenu par une industrie qui génère des milliards de dollars en vendant cette promesse à des départements RH débordés et désireux de croire qu’il existe une solution technologique à un problème fondamentalement humain.

La méritocratie algorithmique est la version 2.0 d’un vieux fantasme : que nous pourrions un jour mesurer la valeur d’un être humain avec suffisamment de précision pour automatiser le jugement. Ce fantasme n’a jamais été inoffensif.

L’héritage toxique des données d’entraînement

Le problème central des systèmes d’IA de recrutement est celui que les spécialistes appellent le biais des données d’entraînement. Pour apprendre à distinguer un bon candidat d’un mauvais, un algorithme a besoin d’exemples. Ces exemples proviennent des décisions de recrutement passées — c’est-à-dire des décisions prises par des humains biaisés, dans des entreprises historiquement homogènes, reflétant des sociétés structurellement inégalitaires. Amazon a tristement illustré ce problème en 2018, lorsque l’entreprise a dû abandonner un outil d’IA de recrutement qu’elle développait depuis plusieurs années après avoir découvert qu’il pénalisait systématiquement les femmes. Le système avait appris que les meilleurs ingénieurs étaient des hommes — parce que la grande majorité des ingénieurs recrutés par Amazon au cours des décennies précédentes étaient effectivement des hommes. Il reproduisait et amplifiait la discrimination qu’il était censé éliminer.

Ce cas Amazon n’est pas une anomalie. C’est une illustration particulièrement bien documentée d’un problème structurel. Les chercheurs de l’université de Washington ont montré que certains systèmes d’analyse faciale sont significativement moins précis pour les visages à la peau foncée que pour les visages à la peau claire — en partie parce que les données d’entraînement de ces systèmes surreprésentaient les personnes blanches. Dans un contexte de recrutement, cela signifie que l’IA pourrait interpréter différemment les expressions faciales d’un candidat noir et d’un candidat blanc qui expriment exactement la même émotion. Ce n’est pas de la discrimination intentionnelle. C’est pire : c’est de la discrimination structurelle invisible, enfouie dans des milliers de lignes de code que personne ne peut auditer.

L’analyse faciale sous la loupe des experts

L’analyse des expressions faciales dans le recrutement est l’une des applications les plus controversées de l’IA comportementale. Elle repose sur des travaux pionniers du psychologue Paul Ekman, qui avait proposé dans les années 1960 que certaines émotions de base — joie, tristesse, colère, peur, dégoût, surprise — étaient universelles et reconnaissables à travers des expressions faciales communes à toutes les cultures. Or, des décennies de recherche ultérieures ont sérieusement nuancé, voire contesté, ces affirmations. Une méta-analyse publiée en 2019 dans la revue Psychological Science in the Public Interest, signée par Lisa Feldman Barrett et ses collègues, concluait que l’idée selon laquelle les expressions faciales reflètent fidèlement les états émotionnels internes était scientifiquement non étayée. En d’autres termes : l’une des fondations théoriques sur lesquelles repose l’analyse faciale en recrutement est, selon une large partie de la communauté scientifique, fragile — voire erronée.

Nous sommes donc en train de confier des décisions qui changent des vies à des technologies bâties sur des bases scientifiques contestées. Et nous appelons cela du progrès.

Ce que ressentent ceux qui l’ont vécu

Pour comprendre ce que signifie concrètement passer un entretien face à une machine, il faut écouter ceux qui l’ont traversé. Les témoignages recueillis par de nombreux chercheurs et journalistes convergent vers une expérience commune : un sentiment de malaise profond, d’absurdité, et parfois d’humiliation. Des candidats décrivent l’impression de parler dans le vide, de sourire à un écran qui ne sourit pas en retour, de devoir convaincre quelqu’un — quelque chose — qui ne peut ni les entendre ni les comprendre vraiment. Certains parlent d’une anxiété nouvelle : non pas la peur de rater devant un être humain qui pourrait au moins comprendre qu’ils sont nerveux, mais la peur de déclencher un signal négatif dans un algorithme pour des raisons incompréhensibles et incontrôlables. Comment ajuster son comportement pour plaire à un juge dont on ne connaît pas les critères ? Comment être authentique face à une caméra qui analyse vos microexpressions ?

Des études menées dans plusieurs pays européens montrent que les candidats appartenant à des groupes minoritaires — personnes racisées, personnes en situation de handicap, personnes neurodivergentes, personnes dont le français ou l’anglais n’est pas la langue maternelle — font état d’un niveau d’anxiété significativement plus élevé face aux entretiens automatisés. Les personnes autistes, en particulier, soulignent que les critères comportementaux sur lesquels ces systèmes s’appuient — contact visuel soutenu, fluidité dans la communication non verbale, réponses émotionnellement calibrées — correspondent exactement aux domaines dans lesquels leur neurodivergence les différencie de la norme. Un système qui mesure l’employabilité à l’aune de la conformité neurotypique est un système qui, de facto, discrimine les personnes neuroatypiques — souvent brillantes, souvent hautement qualifiées, souvent incapables de « performer » selon les codes comportementaux que l’algorithme a appris à valoriser.

Le silence des refus automatisés

Il y a dans les refus automatisés une cruauté particulière que les défenseurs de ces technologies semblent peu enclins à regarder en face. Lorsqu’un recruteur humain vous refuse, il y a au moins la possibilité — même si elle n’est pas toujours saisie — d’un retour, d’une explication, d’un apprentissage. « Vous manquez d’expérience en gestion d’équipe » est une information que vous pouvez traiter, contester ou intégrer. Lorsqu’un algorithme vous refuse, il n’y a rien. Un email générique. Parfois même pas. Juste le silence. Et une question sans réponse : qu’est-ce que la machine a vu en moi que je ne vois pas ? Qu’est-ce que j’ai dit, fait, exprimé, qui a déclenché le signal rouge ? Cette opacité n’est pas un détail. C’est une violence silencieuse infligée à des personnes souvent déjà fragilisées par la recherche d’emploi — une expérience qui porte en elle suffisamment de stress et d’incertitude sans qu’on y ajoute l’insondable mystère d’un jugement algorithmique.

Nous avons collectivement décidé que l’efficacité valait ce prix. Je ne suis pas sûr que nous ayons vraiment pesé ce que ce prix représente pour ceux qui le paient.

L’opacité des boîtes noires

L’un des problèmes les plus préoccupants de l’IA en recrutement est celui de l’opacité algorithmique. Les entreprises qui vendent ces systèmes gardent jalousement leurs modèles propriétaires. Les critères précis sur lesquels l’algorithme évalue les candidats ne sont généralement pas divulgués — ni aux candidats, ni même aux entreprises clientes. Ces dernières achètent un outil dont elles ne peuvent pas auditer le fonctionnement interne. Elles reçoivent des scores, des recommandations, des classements — mais pas les mécanismes qui les produisent. C’est ce que les informaticiens appellent une boîte noire : un système dont on observe les outputs sans avoir accès aux processus internes. Dans ce contexte, comment une entreprise peut-elle s’assurer que l’outil qu’elle utilise respecte les législations anti-discrimination ? Comment peut-elle défendre ses décisions de recrutement devant un tribunal si elle-même ignore les critères qui ont produit ces décisions ?

La réponse, dans la plupart des cas, est qu’elle ne peut pas. Et c’est précisément pourquoi plusieurs régulateurs commencent à se pencher sérieusement sur la question. La ville de New York a adopté en 2021 une loi — entrée en vigueur en 2023 — exigeant que les employeurs utilisant des outils d’IA de recrutement fassent effectuer des audits d’équité annuels par des tiers indépendants. L’Union européenne, à travers son AI Act désormais adopté, classe les systèmes d’IA utilisés dans le recrutement comme des systèmes à haut risque, soumis à des exigences de transparence, de traçabilité et d’auditabilité renforcées. Ces avancées réglementaires sont bienvenues. Elles sont également, pour l’instant, nettement en retard sur la vitesse à laquelle ces technologies se déploient.

Les conflits d’intérêts dans l’écosystème

Il est instructif d’examiner qui finance la recherche qui valide ces outils. Les études qui démontrent l’efficacité et l’équité des systèmes d’IA de recrutement sont, dans une proportion troublante, financées ou réalisées par les entreprises qui vendent ces systèmes. HireVue publie des études sur l’efficacité de HireVue. Pymetrics publie des études sur l’équité de Pymetrics. Ce n’est pas illégal. Mais c’est un conflit d’intérêts que les départements RH des entreprises clientes feraient bien de garder à l’esprit lorsqu’ils consultent la littérature disponible. La recherche indépendante sur ces outils est nettement plus nuancée — et souvent beaucoup plus sévère — que ce que les brochures commerciales laissent entendre.

L’industrie de l’IA RH vend des certitudes dans un domaine qui devrait exiger de l’humilité. Et elle le fait avec suffisamment de conviction pour que des dirigeants d’entreprises intelligents et bien intentionnés lui fassent confiance sans vérifier.

L’Europe en avance, mais pas assez vite

L’Union européenne est, à l’échelle mondiale, la juridiction qui a le plus avancé sur le cadre réglementaire de l’IA dans le recrutement. L’AI Act européen, officiellement entré en application depuis 2024, représente une avancée historique. Il établit une classification des systèmes d’IA selon leur niveau de risque et impose aux systèmes à haut risque — dont les outils de recrutement — des obligations substantielles : documentation technique détaillée, journalisation des décisions, supervision humaine obligatoire, tests de robustesse et d’exactitude, et droit pour les individus affectés à des explications claires. Sur le papier, c’est un cadre ambitieux et cohérent. Dans la pratique, son application reste un chantier ouvert — et les entreprises technologiques, avec leurs équipes de lobbyistes et leurs avocats spécialisés, savent généralement comment naviguer dans les zones grises réglementaires.

Le RGPD (Règlement général sur la protection des données), en vigueur depuis 2018, offre lui aussi certaines protections pertinentes pour les candidats soumis à des évaluations algorithmiques. L’article 22 du RGPD stipule que les individus ont le droit de ne pas faire l’objet de décisions fondées uniquement sur un traitement automatisé lorsque ces décisions produisent des effets juridiques significatifs ou les affectent de manière similaire. En théorie, cela devrait protéger les candidats contre les rejets purement algorithmiques. En pratique, les entreprises contournent généralement cette disposition en maintenant une apparence de supervision humaine — un humain qui, nominalement, « valide » les décisions de l’algorithme — sans que cette validation soit réellement substantielle.

Vers un droit à l’explication en recrutement

De nombreux juristes et défenseurs des droits numériques plaident pour la création d’un droit à l’explication spécifique au recrutement algorithmique. Un droit qui permettrait à tout candidat rejeté par un système automatisé d’obtenir une explication concrète et intelligible des raisons de son rejet — pas un email générique, mais une explication circonstanciée qui lui permette de comprendre, de contester si nécessaire, et d’apprendre. Ce droit existe partiellement dans le cadre du RGPD, mais son application en matière de recrutement reste floue et rarement imposée. Des pays comme la Belgique et la France ont commencé à intégrer des réflexions sur ce sujet dans leurs législations du travail, mais le chemin est encore long.

Un candidat rejeté par un humain peut demander pourquoi. Un candidat rejeté par un algorithme peut demander à qui, exactement ? La question est rhétorique. Et le silence qui lui répond en dit long sur l’état de notre démocratie du travail.

L’Estonie, pionnière par nature et par nécessité

Pour comprendre pourquoi les pays baltes sont particulièrement réceptifs aux technologies d’IA en recrutement, il faut comprendre leur rapport singulier à la numérisation. L’Estonie, en particulier, a fait de la transformation numérique un projet national depuis les années 1990. Après avoir regagné son indépendance en 1991, le pays a délibérément choisi de construire son administration publique autour du numérique — en partie parce qu’il n’avait pas les ressources humaines et financières pour maintenir une bureaucratie traditionnelle lourde, en partie parce que ses dirigeants de l’époque avaient compris que le numérique représentait un avantage compétitif pour une petite nation de 1,3 million d’habitants cherchant sa place dans l’économie mondiale. Aujourd’hui, 99% des services publics estoniens sont accessibles en ligne. La signature électronique a valeur légale. La résidence électronique permet à des entrepreneurs du monde entier de créer une entreprise estonienne sans jamais mettre les pieds à Tallinn.

Dans ce contexte culturel et institutionnel, adopter des outils d’IA dans le recrutement est perçu non pas comme une rupture radicale, mais comme une étape naturelle dans un continuum de numérisation déjà bien avancé. Les start-ups estoniennes — et le pays en compte un nombre remarquable par habitant, avec des licornes comme Transferwise (Wise), Bolt, ou Pipedrive — ont été parmi les premières en Europe à intégrer des outils de recrutement automatisé dans leurs processus. Ce n’est pas par insouciance. C’est par familiarité avec la technologie et par pragmatisme face aux défis d’un marché du travail tendu, où le chômage est historiquement bas et la guerre des talents particulièrement féroce.

Les risques spécifiques dans les petites économies

Mais ce contexte favorable cache des risques spécifiques. Dans les petites économies comme celles des pays baltes, le marché du travail est étroit. Les entreprises sont peu nombreuses dans certains secteurs. Les réseaux professionnels sont denses et les cercles, souvent fermés. Dans ce contexte, un algorithme de recrutement biaisé peut avoir des effets disproportionnés. Si un système privilégie systématiquement certains profils — diplômés de certaines universités, locuteurs natifs d’une certaine langue, personnes avec un parcours socio-économique spécifique — dans une petite économie, l’effet d’exclusion est amplifiée. Il n’y a pas dix entreprises similaires où postuler : il y en a deux ou trois. Si l’algorithme vous barre l’accès à ces quelques opportunités, les conséquences sur votre trajectoire professionnelle peuvent être sévères et durables.

Dans les petites économies, les erreurs algorithmiques ne sont pas des statistiques abstraites. Ce sont des vies professionnelles qui bifurquent, des carrières qui s’arrêtent, des potentiels qui s’éteignent — invisiblement, silencieusement, efficacement.

Quand des recruteurs choisissent délibérément l’humain

Face à la vague de l’automatisation du recrutement, certaines entreprises font le choix délibéré et affiché de résister. Pas par nostalgie, pas par refus du progrès, mais par conviction stratégique que la qualité des recrutements passe par une interaction humaine authentique. Des cabinets de recrutement spécialisés dans certains secteurs — notamment les industries créatives, les secteurs de l’innovation, et paradoxalement certaines entreprises technologiques elles-mêmes — maintiennent des processus de recrutement où les premières interactions sont humaines par principe. Basecamp, l’entreprise américaine de logiciels, a publiquement pris position contre les outils d’évaluation algorithmique. Plusieurs agences de design et de communication à Paris, Londres ou Amsterdam font de leur processus de recrutement humanisé un argument de marque employeur.

Ces entreprises enseignent quelque chose d’important : l’automatisation du recrutement n’est pas une fatalité. C’est un choix. Un choix qui peut avoir du sens dans certains contextes — volumes massifs de candidatures, postes très standardisés, besoins de scalabilité rapide — mais qui ne s’impose pas universellement. Et surtout, un choix qui devrait être fait en pleine conscience de ses implications, pas simplement parce que la technologie est disponible et que le commercial de la startup RH a fait une belle présentation au comité de direction.

Les hybrides réussis : IA + humain = la formule gagnante

Les expériences les plus réussies d’intégration de l’IA dans le recrutement ne sont pas celles qui remplacent l’humain, mais celles qui l’augmentent. Des modèles hybrides commencent à émerger, où l’IA prend en charge les tâches à faible valeur ajoutée — tri initial des CVs, vérification des critères minimaux, planification des entretiens — tout en laissant aux recruteurs humains le soin des interactions à haute valeur ajoutée : les entretiens approfondis, l’évaluation culturelle, les conversations sur les aspirations et les motivations. Dans ces modèles, l’IA est un outil d’aide à la décision, pas un décideur autonome. La supervision humaine est réelle, substantielle, et non purement formelle. C’est une approche plus lente, plus coûteuse, plus exigeante. C’est aussi une approche plus juste — et, à terme, probablement plus efficace pour identifier les candidats qui feront vraiment la différence.

La vraie question n’est pas « l’IA ou l’humain ». C’est « comment faire en sorte que la technologie serve l’humain plutôt que de le remplacer » — et cette question exige des dirigeants qu’ils prennent des décisions courageuses plutôt que des décisions confortables.

Le scénario de la dérive : quand la machine décide tout

Si les tendances actuelles se poursuivent sans correction, le scénario le plus probable à l’horizon 2030 est celui d’une automatisation croissante et généralisée du recrutement. Les outils d’IA deviendront plus sophistiqués, plus précis, moins coûteux — et donc accessibles à des entreprises de plus en plus petites. Le recruteur humain deviendra une figure rare dans certains secteurs, cantonnée aux niveaux les plus élevés de la hiérarchie ou aux postes les plus stratégiques. La majorité des premières interactions entre candidats et employeurs sera gérée par des systèmes automatisés. Dans ce scénario, les inégalités d’accès à l’emploi risquent de se cristalliser davantage autour de la capacité à performer pour les algorithmes — une compétence nouvelle, abstraite, et fondamentalement différente de la capacité à faire un travail. Celui qui saura comment parler à une caméra pour maximiser son score de confiance faciale obtiendra le poste. Celui qui est simplement le meilleur pour le job, mais qui ne maîtrise pas les codes du recrutement automatisé, passera à travers les mailles du filet.

Ce scénario n’est pas inévitable. Mais il est le chemin de moindre résistance — celui vers lequel on glisse quand personne ne prend la peine de questionner activement la direction. Et les signaux d’alerte sont déjà visibles : des coaches qui proposent des formations pour « optimiser son comportement face aux caméras d’IA », des outils qui permettent d’analyser votre propre entretien vidéo avant de le soumettre pour identifier les signaux potentiellement négatifs, des industries entières naissant autour de l’aide aux candidats pour naviguer dans un système conçu pour les filtrer.

Le scénario de la rupture : quand la régulation reprend le dessus

Un scénario alternatif existe, et il est tout aussi possible. C’est celui où la régulation rattrape l’innovation, où les droits des travailleurs et des candidats sont renforcés par des législations claires et des mécanismes d’application robustes, où les audits d’équité obligatoires exposent et forcent la correction des biais algorithmiques, où une culture de la transparence en matière d’IA de recrutement s’impose comme norme industrielle. Dans ce scénario, l’IA devient un outil légitime et fiable parce qu’elle a été soumise à la même rigueur que n’importe quel autre outil utilisé pour prendre des décisions qui affectent les droits des personnes. Ce scénario exige de la volonté politique, de la vigilance civique, et des entreprises suffisamment responsables pour anticiper les exigences réglementaires plutôt que de les subir.

Les deux scénarios sont réels. Celui qui se réalisera dépend en grande partie des choix que nous ferons collectivement dans les cinq prochaines années — et de notre capacité à poser les bonnes questions pendant qu’il est encore temps de changer de trajectoire.

Comprendre les règles du nouveau jeu

Dans l’attente d’une régulation plus robuste, les candidats qui font face à des processus de recrutement automatisés ne sont pas totalement démunis — à condition de comprendre les règles de ce nouveau jeu. La première chose à faire est de s’informer activement sur les outils utilisés par l’entreprise à laquelle on postule. De plus en plus d’entreprises mentionnent dans leurs offres d’emploi l’utilisation de systèmes d’évaluation automatisée. Si ce n’est pas le cas, il est parfaitement légitime — et de plus en plus recommandé par les experts RH — de demander directement au recruteur : « Votre processus inclut-il des évaluations par IA ? Si oui, sur quels critères ? ». La question en elle-même envoie un signal sur votre niveau de conscience professionnelle. Et la réponse, ou l’absence de réponse, vous dira beaucoup sur la culture de transparence de l’organisation.

La deuxième chose est de prendre le temps de se préparer spécifiquement aux entretiens vidéo asynchrones. Ce format est exigeant d’une manière particulière : il y a un délai de réflexion limité, pas d’interaction pour ajuster sa réponse en fonction des signaux de l’interlocuteur, et une conscience permanente de la caméra qui peut déstabiliser les candidats les plus compétents. S’exercer avec des outils de simulation, enregistrer ses propres réponses pour les regarder ensuite, travailler sur sa communication non verbale dans un environnement d’entretien vidéo — tout cela peut faire une différence réelle. Non pas pour manipuler le système, mais pour ne pas être pénalisé par une maladresse technique dans un format encore peu familier.

Se défendre collectivement

La défense individuelle a ses limites. Face à des systèmes structurels, les réponses doivent être structurelles. Des organisations de défense des droits numériques comme AlgorithmWatch en Allemagne, ou AI Now Institute aux États-Unis, documentent et dénoncent les abus des systèmes d’IA de recrutement. Les syndicats commencent à intégrer la question de l’IA dans le recrutement à leurs agendas de négociation collective. Des avocats spécialisés en droit du travail et en droit numérique développent des expertises pour accompagner les candidats qui estiment avoir été discriminés par un algorithme. Ces ressources existent. Les utiliser, les soutenir, les amplifier — c’est aussi une forme de résistance active face à une dépossession qui se fait, sinon, dans le silence et l’invisibilité.

Nous ne sommes pas impuissants. Mais l’impuissance est le sentiment que ces systèmes cherchent à installer — parce qu’un candidat qui ne comprend pas ce qui lui arrive ne peut pas le contester, et un candidat qui ne conteste pas ne coûte rien à corriger.

Qu’est-ce qu’on cherche vraiment dans un recrutement ?

Derrière tous les débats techniques et réglementaires sur l’IA en recrutement se cache une question plus profonde, plus fondamentale, que nos sociétés esquivent avec une cohérence remarquable : qu’est-ce qu’un bon recrutement ? Qu’est-ce qu’on cherche vraiment quand on choisit quelqu’un pour un poste ? Si la réponse est simplement « le profil qui correspond le mieux à une liste de critères mesurables », alors l’IA est effectivement l’outil idéal — elle mesure mieux et plus vite que n’importe quel humain. Mais si la réponse est plus complexe — si elle inclut le potentiel de croissance, la capacité d’adaptation, la dimension relationnelle, l’aptitude à bousculer des certitudes établies, à apporter une vision différente, à créer quelque chose que la fiche de poste n’avait pas anticipé — alors les outils algorithmiques actuels sont profondément inadaptés. Parce qu’ils excellent à identifier la conformité aux normes passées, et qu’ils sont aveugles à ce qui les transcende.

Les entreprises les plus innovantes au monde ne sont pas devenues telles en recrutant les candidats les plus conformes aux profils établis. Elles l’ont fait en recrutant des gens qui ne rentraient pas dans les cases — et qui, précisément pour cette raison, ont su en créer de nouvelles. Steve Jobs n’aurait probablement pas passé un algorithme de recrutement conçu pour une grande entreprise technologique en 1985. Frida Kahlo n’aurait pas obtenu un emploi dans une agence de design qui utilise l’analyse comportementale pour mesurer la stabilité émotionnelle. Alan Turing — dont les algorithmes sont, d’une certaine façon, les ancêtres de l’IA qui juge aujourd’hui les candidats — n’aurait vraisemblablement pas survécu à l’analyse faciale. L’histoire est pleine de gens brillants et différents que les critères de conformité auraient éliminés. Et les algorithmes de recrutement sont, dans leur essence, des machines à conformité.

La valeur irréductible de la rencontre humaine

Il y a dans l’entretien d’embauche, dans sa forme humaine et imparfaite, quelque chose que l’IA ne peut pas reproduire : la rencontre. Le moment où deux personnes se font face et se posent mutuellement la question : pouvons-nous construire quelque chose ensemble ? Cette question n’est pas réductible à des scores de compétences, à des analyses de microexpressions, à des mesures de fluidité verbale. Elle implique une forme d’intuition mutuelle, un pari sur l’avenir, une confiance accordée avant d’être méritée. Elle implique de l’humanité — dans le sens le plus littéral du terme. Et si nous abandonnons cette humanité au nom de l’efficacité algorithmique, nous ne serons pas seulement en train de changer nos processus de recrutement. Nous serons en train de changer ce que nous pensons que le travail est, et ce que nous pensons que les êtres humains valent.

La vraie question posée par l’IA en recrutement n’est pas technique. Elle est civilisationnelle : décidons-nous que la valeur d’un être humain peut être calculée ? Et si oui, à qui confions-nous le soin de faire ce calcul ?

Ce que ce moment révèle sur nous

L’essor de l’entretien d’embauche automatisé n’est pas simplement une tendance technologique à observer avec curiosité ou inquiétude. C’est un révélateur — un miroir tendu à nos sociétés qui nous montre ce que nous valorisons vraiment, ce que nous sommes prêts à sacrifier au nom de l’efficacité, et ce que nous pensons que les êtres humains se doivent mutuellement dans le cadre du travail. Ce miroir n’est pas flatteur. Il montre des entreprises qui externalisent leur responsabilité éthique à des algorithmes qu’elles ne comprennent pas. Il montre des candidats réduits à des séquences de données à analyser. Il montre des régulateurs qui courent après une innovation dont le rythme les dépasse. Et il montre, quelque part, une abdication collective de notre responsabilité à poser des limites à ce que nous acceptons que les machines décident à notre place.

Mais ce miroir montre aussi autre chose : une résistance qui se construit. Des chercheurs qui documentent les biais. Des régulateurs qui légifèrent. Des avocats qui plaidoient. Des candidats qui questionnent. Des entreprises qui choisissent une voie différente. Des voix — comme celle du Baltic Times qui a mis ce sujet sur la table — qui refusent que cette transformation se fasse dans l’indifférence et l’invisibilité. Ce n’est pas suffisant. Mais c’est un début. Et dans les moments de bascule technologique, les débuts comptent.

L’urgence d’un choix délibéré

Nous sommes à un carrefour. Les décisions que nous prenons aujourd’hui — en tant qu’entreprises, en tant que régulateurs, en tant que candidats, en tant que citoyens — détermineront la forme que prendra le marché du travail pour la prochaine génération. Nous pouvons choisir la voie de la commodité algorithmique, et accepter toutes les conséquences que cela implique en matière d’équité, de dignité, et de diversité. Ou nous pouvons choisir la voie plus exigeante d’une innovation responsable — une voie qui utilise la puissance de l’IA là où elle est réellement utile, tout en préservant l’irréductible valeur de la rencontre humaine là où elle est irremplaçable. Ce choix n’est pas technique. Il est politique, éthique et profondément humain. Et il nous appartient — entièrement et pleinement — de le faire.

Un robot peut analyser vos microexpressions. Il ne peut pas vous regarder dans les yeux et décider qu’il croit en vous. Cette différence-là, nous ne pouvons pas nous permettre de la laisser disparaître.

Signé Jacques Pj Provost